文章列表-AI魔法学院

文章列表

OpenAI 无需向量化的 RAG 新架构设计范式剖析

第一、文件加载 (Document Loading) 系统首先加载一份长达 1000 多页的 PDF 格式法律文件（比如：《商标审判和上诉委员会程序手册 TBMP》）。

OpenAI RAG 架构

语言大模型100K上下文窗口的秘诀

[技巧5] 条件计算（Conditional computation）避免将所有模型参数应用于输入序列中的所有词元。

大模型

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

因为要同时运行数百个芯片，这种超大参数模型的训练可能要花费数千万美元，系统太复杂还可能会出现硬件故障。

Scaling Law AI大模型

Agent四大范式 | 综述：全面理解Agent工作原理

该策略通过引入一个附加的记忆组件来提升规划能力，该组件中存储了各种宝贵信息，包括基本常识、历史经验、领域专业知识等。

Agent 大语言模型

十大开源语音识别项目

总而言之，趋动云在提供强大计算资源和全面支持的同时，通过其安全可靠的多样化软件配置和强大的GPU计算资源，为研究者提供了一个安心、高效的研究环境。

语音识别开源项目

一个令人惊艳的图片高清化重绘神器：SUPIR来了！

话不多说，先看效果：风景图片感觉这个项目对风景图和物件等真实图片的高清化修复效果是最好的，默认设置就可以出来比较好的效果。

SUPIR 文生图

微软最强全自动数据可视化工具！现已开源

上传文件。

大模型

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

模型架构基础组件协同：OmniVision - 968M的架构由三个关键部分组成。

OmniVision -968M 多模态模型

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

图3：多语言检索效果 b) 通过消融实验对比，可以发现在使用不同相似度计算方式条件下，M3-Embedding中的蒸馏损失都能给最终效果带来明显提升，尤其是对于稀疏检索而言

BGE M3-Embedding 多语音检索

快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

这一问题在短时间内可能无法彻底解决，但可以做的是，在总体硬件资源有限的条件下，尽可能地提高算力的运用效率。

可灵快手文生视频

【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程

已经有许多优秀的仓库做过这件事情，比如：[Chinese-LLaMA-Alpaca]。

大模型训练

一文带你看懂OpenAI-Sora生成视频的原理

这样一来，视频文件就变得更加小巧，传输起来更加迅速，存储起来也更加节省空间。

视频生成 sora

垂直领域大模型的思考

相比能做很多事，但每件事都马马虎虎的通用大模型；只能做一两件事，但这一两件事都能做好，可被信赖的垂直大模型会更有价值。

垂直领域大模型

TTS，一个奇妙的AI工具

当我们制作视频的时候，就会发现，给视频配音真是一件非常专业的事，对于非专业人士，费工费力后，完成的配音效果往往并不理想。

TTS 文本转语音

15种ChatGPT高频用法

编程和技术支持可以解决具体的编程问题，理解某个编程概念，使用某个软件或技术时遇到困难也可以寻求ChatGPT帮助 3.

大模型效率

<...57 58 59 606162 63 64 65 66 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1